Spark distinct算子学习使用详解

distinct:

    Rdd数据去重

示例代码：

def my_distinct():
    data = [1,2,3,4,5]
    rdd1 =sc.parallelize(data)
    data2 = [2,3,4,9,10]
    rdd2 = sc.parallelize(data2)
    result = rdd1.union(rdd2).distinct() 

 print(result.collect())

输出结果：

[10, 1, 2, 3, 4, 5, 9]